动态随机一般均衡(Dynamic stochastic general equilibrium,简称DSGE)模型是近30年来,宏观经济计量分析研究领域中非常流行的最优化基本模型,也是经济建模的一个新视角,诸多学者致力于此方面的研究。然而,由于对DSGE模型的应用尚处于起步阶段,模型体系的构建远未完善,因此模型往往会出现各种各样的缺陷和不足。本文主要针对DSGE模型缺乏内部动态性特征这一缺陷,通过对随机增长模型的补充和扩展来构建DSGE模型,并采用中国台湾和韩国的产出增长和人均工作时间数据,从两个方面提出了增强模型内生传导机制的建议,从而使得模型的总体拟合效果得到优化。首先,本文通过引入非平稳劳动力供给冲击对随机增长模型进行修正,并估计了平稳工作时间和非平稳工作时间设定下的模型,进而评价了在不同冲击下模型的拟合效果。研究发现,如果企业能够自由改变劳动力投入,那么引入非平稳劳动力供给冲击能够有效改善随机增长模型的内生传导机制;而一旦考虑了劳动力调整成本,则随机增长模型的内生传导机制得到了全面拓展,但引入非平稳劳动力供给冲击对随机增长模型内部动态性特征的改善相对有限。其次,本文提出在动态随机一般均衡模型中构建“边做边学”(Learning by Doing,简称LBD)机制,为模型内部提供一个良好的传导机制。研究发现,“边做边学”机制的引入,能够显著提高实际经济周期模型对总体产出和工作时间动态性特征的拟合效果,这有效地拓展了随机增长模型的内生传导机制,对提高模型的优越性起到了实质性的作用。目前,在一些发达国家,DSGE模型已经被全面系统地推广,致力于宏观经济分析和货币政策制定,而且近年来,DSGE模型甚至已经应用于经济预测。进入二十一世纪,我国央行也逐渐引入了DSGE模型,开始了对于这一最优化模型的研究与应用。本文中致力于对DSGE模型进行合理优化,以期对我国当前所使用的传统经济模型给予有力补充,同时对我国宏观经济发展和经济政策制定提供更科学的理论参考。